quant-mind

让量化研究告别翻报告，用自然语言秒查金融知识

QuantMind 是一个面向量化金融的智能体原生知识抽取与检索框架。它解决的是量化研究过程中信息过载和知识分散的问题，能够从海量研报、财报、新闻等非结构化文本中自动抽取结构化知识，并构建可检索的知识库。其核心能力包括：基于大语言模型的知识抽取、向量化检索、以及与智能体（Agent）的无缝集成，支持自然语言查询和上下文增强生成。该框架专为量化场景设计，可处理金融领域特有的术语和文档格式，帮助研究员和交易员快速获取关键信息，提升投研效率。

开源 free 开源模型

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3013

维护状态维护中

是否开源是

定价模式 free

项目数据

分类开源模型

开发团队LLMQuant

所属国家

官网地址http://llmquantdata.com

GitHubhttps://github.com/LLMQuant/quant-mind

定价模式free

价格说明开源项目，MIT许可证，完全免费，可自行部署使用。

访问状态

是否开源是

开源协议MIT

主要语言Python

技术栈/模型agent,context-engineering,data,harness-engineering,knowledge,llm,pipeline,quantitative-finance,quantitative-research,workflow

GitHub 星标★ 3013

30天Star增速

HF 下载量

上线时间2025-03-14 00:00:00

最近更新2026-09-23 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数4

使用教程

难度：进阶约 10 分钟部署方式：库/依赖 4 步

⚠ 该项目 README 未提供完整安装说明，以下步骤为通用流程，请以官方文档为准。

环境要求

Python 运行环境（README 未标注最低版本，入口 badge 指向 python.org）
支持 asyncio 异步运行的 Python 解释器
可访问 GitHub 以克隆仓库
可访问示例新闻源 pr-newswire 的网络环境

安装与启动步骤

1克隆仓库

从 GitHub 拉取 quant-mind 源码到本地，README 未提供 PyPI 包名，建议以源码方式使用。
```
git clone https://github.com/LLMQuant/quant-mind.git
```
2进入项目目录

切换到刚克隆下来的仓库根目录，后续命令都在此目录执行。
```
cd quant-mind
```
3编写示例脚本

把 README Quick Start 中的 batch_run 示例原样保存为 example.py，注意保持 async 结构不变。
4运行批量采集

执行脚本，按天切分最近 3 天的新闻采集窗口并并发处理，观察进度与成功/失败计数。
```
python example.py
```

关键配置

配置项	必填	说明	示例
`retain_raw_html`	否	是否保留采集到的原始 HTML，示例设为 False 以减小存储	`False`
`concurrency`	否	batch_run 的并发窗口数，示例为 3	`3`
`on_error`	否	单个窗口出错时的处理策略，示例为 skip 跳过	`skip`
`source`	否	NewsWindow 的数据来源标识，示例为 pr-newswire	`pr-newswire`

如何确认成功

运行脚本后逐条打印 done/total 进度，最后输出 ok 与 failed 计数即表示批量流程跑通。

常见问题

Q：运行时必须联网吗？

A：示例从 pr-newswire 采集新闻，需要网络访问该来源，离线环境无法获取到数据。

Q：会保存原始网页 HTML 吗？

A：示例中 NewsCollectionCfg(retain_raw_html=False) 已关闭，不会保留原始 HTML。

Q：采集的时间范围怎么定？

A：示例用 NewsWindow 的 start/end（UTC）按天切分，共构造最近 3 天的窗口。

Q：单个窗口出错会中断整个任务吗？

A：on_error="skip" 表示跳过失败窗口继续执行，最终通过 failure_count 查看失败数量。

注意事项

README 节选中未给出依赖安装命令，首次运行前请按仓库内的依赖声明自行安装。
示例为异步代码，必须用 asyncio.run(main()) 驱动，直接调用 main() 不会执行。
README 提到该仓库面向 Agent 设计，同时也可作为可导入的 Python 库使用。

核心亮点

专为量化金融设计，内置金融实体识别和关系抽取能力，比通用框架更贴合场景
智能体原生架构，支持与 LangChain 等 Agent 框架直接集成，便于构建自动化投研助手
提供完整的知识抽取-存储-检索流水线，开箱即用，降低搭建成本

不足之处

项目尚在成长阶段，文档和社区生态可能不如成熟框架丰富
对中文金融文档的支持效果待验证，可能需要额外适配

适用场景

量化研究员自动阅读每日研报，抽取关键观点和财务指标
投资经理用自然语言查询历史财报中的特定数据，辅助决策
构建智能投研助手，自动回答关于公司基本面、行业动态的问题

替代项目

LlamaIndex、Haystack、txtai

项目介绍

quant-mind 是行业应用领域的开源项目，由 LLMQuant 开发，2025 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（3,013）位列前 30%，在行业应用分类的 544 个项目里位列前 10%。

近 42 天，它的 GitHub 星标从 2,527 增加到 3,013，净增 486。

项目仍在小幅维护中，最近一次代码更新于 2026-09-23。MIT许可证，完全免费，可自行部署使用。

它主要面向的使用场景是：量化研究员自动阅读每日研报，抽取关键观点和财务指标。同类可对比的替代方案包括 LlamaIndex、Haystack、txtai。

上一篇：FinGLM

下一篇：EmoLLM